MedGemma 4B IT
MedGemma 4B IT est un LLM de Google publié le 20 mai 2025, sous licence Health AI Developer Foundations terms of use. Avec 4 milliards de paramètres, il se place dans la catégorie des modèles compacts plutôt que dans celle des grands modèles généralistes.
MedGemma 4B IT est un LLM de Google publié le 20 mai 2025, sous licence Health AI Developer Foundations terms of use. Avec 4 milliards de paramètres, il se place dans la catégorie des modèles compacts plutôt que dans celle des grands modèles généralistes.
Son ancienneté, environ un an, compte beaucoup dans l’IA générative : MedGemma 4B IT doit être lu comme un modèle de sa période, probablement dépassé par les générations plus récentes. Ses poids ne sont pas ouverts, ce qui limite l’audit indépendant et la réutilisation hors des conditions fixées par Google.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | |
| Licence | Health AI Developer Foundations terms of use (poids non ouverts) |
| Date de sortie | 20 mai 2025 |
| Multimodal | oui |
| Paramètres | 4 milliards |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| SlakeVQA | 62,3 % | 4ᵉ / 4 | llm-stats | Auto-déclaré |
| MedXpertQA | 18,8 % | 12ᵉ / 12 | llm-stats | Auto-déclaré |
« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.
Notre analyse
Forces. MedGemma 4B IT combine un format relativement compact, 4 milliards de paramètres, avec un positionnement lié aux Health AI Developer Foundations terms of use de Google. À sa sortie, ce format pouvait intéresser les équipes cherchant un LLM plus léger que les grands modèles haut de gamme, avec un cadre d’usage explicitement associé à l’IA de santé. La présence d’un éditeur majeur donne aussi un contexte industriel clair, notamment sur la gouvernance de licence et les restrictions d’accès aux poids.
Limites et points d'attention. Le modèle repose sur une seule source de données concordante, ce qui réduit la profondeur de vérification disponible dans cette fiche. Son âge, environ un an, est très long à l’échelle de l’IA : ses performances doivent être considérées comme largement dépassées par les modèles plus récents, et ce type de modèle est souvent retiré ou remplacé dans les catalogues des éditeurs. Les poids non ouverts empêchent l’inspection complète du modèle, la modification libre et certains déploiements indépendants. Aucun chiffre vérifié n’est disponible ici sur les benchmarks, le coût d’entraînement ou le compute utilisé.
Sources des données : LLM-Stats (llm-stats.com).